文献

J-GLOBAL ID：202102274919519865   整理番号：21A0070209

クロスデータ集合学習を用いた受動BCIにおける認知状態とタスクパフォーマンス間の関係のモデリング【JST・京大機械翻訳】

Modeling the Relationship Between Cognitive State and Task Performance in Passive BCIs using Cross-Dataset Learning

著者 (3件)： McDaniel Jonathan R. (DCS Corp,Alexandria,VA) ,  Gordon Stephen M. (DCS Corp,Alexandria,VA) ,  Lawhern Vernon J. (U.S. Army Research Laboratory,Human Research and Engineering Directorate,MD)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SMC  ページ： 4020-4025  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 新しい研究と開発努力は,脳波ベース(EEG)脳-コンピュータインタフェース(BCI)技術が健康個人の生活の質を改善するために使用できる方法を強調する。そのような応用の一つは,受動BCI(pBCI)システムへの認知状態監視を組み入れる。この開発に直面した課題の中で,採用への有意な障壁は,神経活動パターンの変化を説明するシステムを調整するのに通常必要な時間集約的較正である。オープンな研究課題は,実世界の状況と環境における,根底にあるユーザ状態とユーザパフォーマンスの間の関係を理解することである。しかし,ユーザ状態はしばしば導出され,特定の解析に対して観測されたユーザ性能の関数として定義される。ユーザ状態とユーザパフォーマンス間の関係の理解は,ユーザ状態の定義が,観測されたユーザ性能に無関係であることを要求する。本研究は,交差データセット学習を用いて,この目標に向けた初期ステップを示し,ここでは,高度に制御された実験で記録されたデータセットからユーザ状態を定義し,深層学習手法を用いてユーザ状態を予測し,このpBCIモデルを適用して,新しい非観測データセットにおけるユーザ性能を分析した。ユーザ性能はpBCIモデル出力の連続体にわたって滑らかに変化することを示した。著者らの結果は,健康なユーザのためのBCIシステムの開発における主要なハードルの1つを扱うための有望なアプローチを強調する。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  *タスクパフォーマンス ,  脳波 ,  連続体 ,  クオリティオブライフ
準シソーラス用語： 神経活動 ,  状態監視 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： データ集合 ,  学習 ,  BCI ,  認知 ,  タスクパフォーマンス ,  モデリング